Columbia University（哥伦比亚大学）

Asymmetric Goal Drift in Coding Agents Under Value Conflict

编码代理在价值冲突下的非对称目标漂移

Magnus Saebo, Spencer Gibson, Tyler Crosse, Achyutha Menon, Eyon Jang, Diogo Cruz

机构 * Columbia University（哥伦比亚大学） ； Independent（独立） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（加州大学圣地亚哥分校） ； MATS ； SPAR 纠错

AI总结 研究编码代理在价值冲突中如何平衡系统提示与实际任务，发现其目标漂移受价值对齐、对抗压力和累积上下文影响，且环境压力可 override 显式约束。

Comments 5 pages, 4 figures, Published as a workshop paper in Lifelong Agents @ ICLR 2026

Forecasting Solar Energy Using a Single Image

利用单张图像预测太阳能

Jeremy Klotz, Shree K. Nayar

机构 * Computer Science Department, Columbia University（哥伦比亚大学计算机科学系） 纠错

AI总结 本文提出利用单张图像预测太阳能板辐照度的方法，通过分析图像中的视觉线索确定相机姿态和可见天空部分，从而预测太阳和天空的辐照度。实验表明该方法在城市峡谷中比传统方法更准确。

Comments 22 pages, 15 figures. Project page: https://cave.cs.columbia.edu/projects/categories/project?cid=Physics-Based%20Vision&pid=Forecasting%20Solar%20Energy%20Using%20a%20Single%20Image

Journal ref Solar Energy, Vol. 313, 2026

Multi-Token Prediction via Self-Distillation

通过自蒸馏实现多token预测

John Kirchenbauer, Abhimanyu Hans, Brian Bartoldson, Micah Goldblum, Ashwinee Panda, Tom Goldstein

机构 * University of Maryland（马里兰大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Columbia University（哥伦比亚大学） ； TogetherAI 纠错

AI总结 本文提出通过自蒸馏将预训练的自回归语言模型转换为快速独立的多token预测模型，无需额外辅助模型或复杂管道，实现更快的解码速度和更高的准确性。

Comments 9 pages and 5 figures in the main body

Flexible Multitask Learning with Factorized Diffusion Policy

灵活的多任务学习与因子化扩散策略

Chaoqi Liu, Haonan Chen, Sigmund H. Høeg, Shaoxiong Yao, Yunzhu Li, Kris Hauser, Yilun Du

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学） ； Norwegian University of Science and Technology（挪威科学与技术大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出一种因子化扩散策略框架，通过将复杂动作分布分解为多个专用扩散模型，提升多任务学习的灵活性和适应性，实验证明其在仿真和现实机器人任务中表现优异。